• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于HOG和特征描述子的人臉檢測與跟蹤

    2020-04-09 03:16:46
    關(guān)鍵詞:跟蹤目標(biāo)特征描述歐氏

    (浙江工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,浙江 杭州 310023)

    人臉檢測是指在給定圖像中確定人臉的位置、大小和姿態(tài),其本質(zhì)是模式識(shí)別的一種應(yīng)用。常用的人臉檢測方法有基于知識(shí)的方法、基于統(tǒng)計(jì)模型的方法和基于模板匹配的方法等。人臉跟蹤是在圖像序列中捕獲人臉信息的一種技術(shù),該技術(shù)在視頻監(jiān)控、圖像處理和人機(jī)交互等方面應(yīng)用廣泛,是近年來計(jì)算機(jī)視覺中的熱點(diǎn)之一。常用的人臉跟蹤方法有基于圖像特征的方法、基于機(jī)器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法等。隨著社會(huì)的發(fā)展,人們對(duì)人臉檢測的精度要求和人臉跟蹤的準(zhǔn)確度要求不斷提高,因此該課題的深化研究有重要的實(shí)用價(jià)值。在人臉檢測中存在真實(shí)場景下的光照變化和隨機(jī)噪聲問題;在人臉跟蹤中會(huì)出現(xiàn)多人臉干擾和人臉姿態(tài)變換的問題[1]。針對(duì)這兩類難點(diǎn),國內(nèi)外學(xué)者進(jìn)行了大量的研究。對(duì)于人臉檢測中遇到的難點(diǎn),吳素雯等[2]提出了一種基于Gabor優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)與選擇性搜索策略相結(jié)合的算法,提高了在光照變化下的檢測效率,但對(duì)部分傾斜和光照不均勻的人臉仍存在漏檢。洪楊等[3]針對(duì)人臉圖像中存在的區(qū)域噪聲提出了改進(jìn)的多尺度Retinex算法,能夠提高原圖像的檢測率,然而漏檢問題依然存在。Lienhart等[4]對(duì)Haar特征進(jìn)行擴(kuò)展,訓(xùn)練形成了Haar-like分類器,能夠檢測傾斜角度的人臉,但是暴力枚舉的過程增加了內(nèi)存消耗。胡麗喬等[5]提出了一種自適應(yīng)加權(quán)HOG特征的人臉識(shí)別算法,在識(shí)別率上優(yōu)于傳統(tǒng)算法,同時(shí)在光照方面具有較強(qiáng)的魯棒性,但是計(jì)算復(fù)雜度偏高。對(duì)于人臉跟蹤遇到的難點(diǎn),F(xiàn)ukunaga等[6]提出Meanshift算法,基于核直方圖對(duì)人臉進(jìn)行建模,跟蹤準(zhǔn)確率較差。歷艷琨等[7]利用人臉特征點(diǎn)跟蹤3D人臉姿態(tài)的變化,實(shí)現(xiàn)了對(duì)單人臉姿態(tài)的穩(wěn)定跟蹤。張江鑫等[8]提出了一種基于Camshift聚類的粒子濾波人臉跟蹤算法,能在人臉無規(guī)則曲線運(yùn)動(dòng)中準(zhǔn)確跟蹤目標(biāo)人臉。楊超等[9]提出了一種改進(jìn)的Camshift-KLT算法,能夠減小跟蹤偏移距離,提高跟蹤命中率。以上跟蹤算法都比較偏向?qū)θ四槄^(qū)域或輪廓的跟蹤,無法區(qū)分不同的人臉,會(huì)出現(xiàn)當(dāng)多個(gè)人臉區(qū)域重疊時(shí)跟蹤目標(biāo)轉(zhuǎn)移至另一張人臉的問題,使得跟蹤準(zhǔn)確率下降。

    筆者提出了一種基于HOG和特征描述子的人臉檢測與跟蹤算法。實(shí)驗(yàn)前先對(duì)視頻幀進(jìn)行預(yù)處理操作,利用直方圖均衡化進(jìn)行光照補(bǔ)償,利用中值濾波進(jìn)行圖像降噪;然后基于HOG特征檢測人臉;最后通過ResNet生成特征描述子,利用結(jié)合特征描述子的校正策略獲得跟蹤結(jié)果。筆者算法能夠減少光照和噪聲的影響,而且可以在多人臉干擾和人臉姿態(tài)不斷變化的情況下區(qū)分不同的人臉。算法分為基于HOG特征的人臉檢測過程和基于特征描述子的人臉跟蹤過程,下文將按照上述思路分別進(jìn)行說明。

    1 基于HOG特征的人臉檢測

    圖1為基于HOG特征的人臉檢測流程圖。首先輸入一張人臉圖像,然后提取HOG特征,再與人臉檢測器進(jìn)行匹配,最后輸出檢測的結(jié)果。

    圖1 基于HOG特征的人臉檢測流程圖

    針對(duì)真實(shí)場景中的光照和噪聲問題,HOG特征提取步驟中的歸一化伽馬能夠進(jìn)一步消除光照變化、隨機(jī)噪聲帶來的影響,提高人臉檢測準(zhǔn)確度。

    1.1 提取HOG特征

    特征提取是模式識(shí)別研究的基本問題之一。對(duì)于圖像識(shí)別,高質(zhì)量的圖像特征可以有效地表示原始圖像的性質(zhì),且在圖像分類中起決定作用[10]。在人體關(guān)鍵部位圖像中合適的特征描述包括HOG特征和Haar-like特征等[11]。方向梯度直方圖(Histogram of oriented gradient,HOG)特征的核心思想是在一個(gè)大小統(tǒng)一、網(wǎng)格密集的細(xì)胞單元上進(jìn)行計(jì)算,利用相互重疊的局部對(duì)比度歸一化技術(shù)來提高描述能力[12]。HOG特征能夠很好地描述圖像局部差分信息且不易受噪聲干擾,在目標(biāo)檢測和跟蹤領(lǐng)域中是描述邊緣和形狀最好的特征之一。另一種常用的Haar-like特征反映了目標(biāo)的灰度變化情況,適合描述目標(biāo)陰影。與Haar-like特征相比,HOG特征保持了幾何和光學(xué)轉(zhuǎn)化不變性,能夠很好地描述目標(biāo)輪廓,因此筆者采用HOG特征作為人臉檢測中的特征表示。

    HOG特征提取步驟[13-16]為

    1)歸一化伽馬。使用伽馬變換歸一化圖像,有效地降低圖像局部的陰影和光照變化。

    2)滑動(dòng)窗口設(shè)置。分割圖像為若干個(gè)滑動(dòng)窗口(block),block用于在整幅圖像上滑動(dòng)提取人臉HOG特征。

    3)計(jì)算梯度。將block均勻分成4 個(gè)單元(cell),block之間采用重疊兩個(gè)細(xì)胞單元(cell)的形式進(jìn)行滑動(dòng)。計(jì)算出圖像的像素點(diǎn)(x,y)的水平方向和垂直方向的梯度,水平方向上的梯度Ix(x,y)為

    Ix(x,y)=I(x+1,y)-I(x-1,y)

    (1)

    垂直方向上的梯度Iy(x,y)為

    Iy(x,y)=I(x,y+1)-I(x,y-1)

    (2)

    得出像素點(diǎn)(x,y)的梯度幅值m(x,y)為

    (3)

    同樣可得像素點(diǎn)(x,y)的梯度方向θ(x,y)為

    (4)

    4)累加計(jì)算獲得空間細(xì)胞的梯度方向。將梯度方向均勻分成m(m通常為9)個(gè)方向(bin),如果梯度方向存在正負(fù),則將360°均勻分成m個(gè)區(qū)間,否則將180°均勻分成m個(gè)區(qū)間。將相同cell上所有相同梯度方向的點(diǎn)梯度幅值進(jìn)行基于權(quán)重的累加計(jì)算,得出該cell的梯度直方圖(HOG)。

    5)在重疊的細(xì)胞塊內(nèi)進(jìn)行歸一化對(duì)比。歸一化每個(gè)block內(nèi)的多個(gè)cell梯度直方圖為一個(gè)直方圖來表示當(dāng)前block的HOG特征。

    6)收集檢測窗口上所有塊的HOG。通過滑動(dòng)block窗口完成整幅圖像的HOG特征的提取。

    7)輸出HOG特征。

    1.2 匹配人臉檢測器

    利用HOG特征匹配人臉首先需要訓(xùn)練人臉檢測器,訓(xùn)練分為預(yù)處理和訓(xùn)練兩個(gè)階段。

    預(yù)處理階段:1)輸入采集的人臉圖像訓(xùn)練集、測試集,標(biāo)記每一張圖片的具體的人臉邊界(bounding box);2)進(jìn)行圖片上采樣,目的是為了放大較小的人臉,使檢測準(zhǔn)確度提高,上采樣的同時(shí)調(diào)整相應(yīng)的bounding box;3)對(duì)訓(xùn)練集中的人臉圖像進(jìn)行鏡像處理,擴(kuò)充樣本數(shù)量。

    訓(xùn)練階段:1)定義掃描器(scanner),用于掃描圖片并提取HOG特征;2)設(shè)置scanner的窗口尺寸,通過圖像金字塔變換實(shí)現(xiàn)在不同尺寸上檢測人臉的目的;3)定義訓(xùn)練器(trainer),用于訓(xùn)練人臉檢測器,其通過scanner初始化;4)進(jìn)行訓(xùn)練,生成并完善人臉檢測器,當(dāng)出現(xiàn)未確認(rèn)的人臉邊界時(shí)對(duì)該區(qū)域進(jìn)行忽略,防止出現(xiàn)錯(cuò)誤的人臉檢測信息;5)進(jìn)行測試,得到返回的檢測結(jié)果。

    圖2為一種正面人臉檢測器的HOG特征,該人臉檢測器對(duì)正臉的匹配度較好。相較于現(xiàn)有常用的基于Haar-like特征的人臉檢測算法,該算法精度更高,能夠識(shí)別更多的人臉。為了在輸入的視頻幀中能更好地提取人臉的有效信息,筆者選用基于HOG特征的人臉檢測算法。

    圖2 人臉檢測器的HOG特征

    2 基于特征描述子的人臉跟蹤

    圖3為基于特征描述子的人臉跟蹤流程圖。首先輸入當(dāng)前幀通過人臉檢測得到的結(jié)果,定位各張人臉的68 個(gè)關(guān)鍵點(diǎn),將其分別輸入到ResNet模型中得到內(nèi)容為128 維向量的特征描述子。若原先未存有特征描述子,則初始化該特征描述子為跟蹤目標(biāo)的判斷基準(zhǔn),若已存在特征描述子,則計(jì)算兩者的歐氏距離??紤]到當(dāng)前幀中可能有多個(gè)人臉,會(huì)生成多個(gè)距離值,選擇距離值最小的作為當(dāng)前幀的計(jì)算值。如果距離值低于默認(rèn)閾值,則表明兩個(gè)特征描述子都基于同一張人臉生成,更新特征描述子為當(dāng)前幀生成的描述子并更新跟蹤區(qū)域;反之則認(rèn)為兩個(gè)特征描述子不屬于同一張人臉,此時(shí)替換存儲(chǔ)的特征描述子,轉(zhuǎn)移跟蹤目標(biāo)為新特征描述子表示的人臉。當(dāng)前幀處理完后,載入下一幀,循環(huán)進(jìn)行人臉跟蹤。

    圖3 基于特征描述子的人臉跟蹤流程圖

    2.1 利用ResNet獲取特征描述子

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)在圖像處理、模式識(shí)別和計(jì)算機(jī)視覺等方面引起了人們廣泛的關(guān)注,因?yàn)镃NN模型能夠有效提取圖像的特征描述子[17]。深度殘差網(wǎng)絡(luò)(Residual networks,ResNet)是由He等[18]提出的一種改良的卷積神經(jīng)網(wǎng)絡(luò),動(dòng)機(jī)是神經(jīng)網(wǎng)絡(luò)的退化問題。傳統(tǒng)CNN與ResNet相比,傳統(tǒng)CNN中卷積層和全連接層在傳遞信息時(shí),存在信息丟失、損耗等問題;而ResNet能通過旁路支線將輸入連接到后面的層,使其可以直接學(xué)習(xí)殘差,優(yōu)化基礎(chǔ)網(wǎng)絡(luò)性能的同時(shí)保護(hù)了信息的完整性。因此筆者采用ResNet模型,在提取特征描述子方面能夠比傳統(tǒng)CNN取得更好的效果。

    算法采用ResNet模型提取人臉特征描述子,輸入人臉圖像及對(duì)應(yīng)的關(guān)鍵點(diǎn),返回一個(gè)128 維的人臉特征描述子。在人臉特征描述子提取完成后,依次添加對(duì)應(yīng)的人臉標(biāo)識(shí),便于跟蹤結(jié)果的更新。

    2.2 利用歐氏距離計(jì)算相似性度量

    特征描述子本質(zhì)上是特征向量,計(jì)算特征向量的相似性可用距離進(jìn)行評(píng)價(jià)。常用的距離有曼哈頓距離、歐氏距離和切比雪夫距離,通過實(shí)驗(yàn)對(duì)比將3 種距離分別用于計(jì)算人臉特征描述子的相似性度量,最后選取區(qū)分度較好的歐氏距離作為衡量人臉特征描述子的標(biāo)準(zhǔn)。歐氏距離指兩點(diǎn)在m維空間上的真實(shí)距離,2個(gè)n維向量A(x11,x12, …,x1n)和B(x21,x22, …,x2n)的歐氏距離為

    (5)

    2.3 利用人臉標(biāo)識(shí)隊(duì)列更新跟蹤目標(biāo)

    因?yàn)橐粡垐D片可能有多個(gè)人臉,需分別計(jì)算得出兩個(gè)人臉特征描述子的歐氏距離。選取最小的距離值后,需要用閾值評(píng)價(jià)兩個(gè)描述子的相似程度。當(dāng)距離值小于閾值即相似度較高,則認(rèn)定兩個(gè)人臉屬于同一個(gè)人,跟蹤結(jié)果更新;否則相似度較低,認(rèn)定人臉屬于他人,跟蹤目標(biāo)轉(zhuǎn)移。因?yàn)橐曨l幀中人臉的姿態(tài)時(shí)刻發(fā)生變化,每一幀的人臉都不盡相同。如果始終以初始檢測的人臉描述子為基準(zhǔn)進(jìn)行相似度計(jì)算,在視頻幀中始終只有同一人的前提下,會(huì)出現(xiàn)因人臉姿態(tài)變化過大導(dǎo)致距離值偏大,使得跟蹤結(jié)果出現(xiàn)偏差。且新檢測的視頻幀中的人臉不可能與存儲(chǔ)的原特征描述子的人臉完全一致,從而使距離值總有一定的誤差。為了盡可能地消除這種誤差,當(dāng)認(rèn)定檢測的視頻幀中人臉為存儲(chǔ)的人臉時(shí),將人臉標(biāo)識(shí)對(duì)應(yīng)的原特征描述子進(jìn)行更新。由于視頻幀的連貫性,人臉的姿態(tài)變化在檢測的連續(xù)兩幀中變化較小。采用檢測的上一幀中相同人臉的特征描述子作為基準(zhǔn),能從最大程度上抑制人臉姿態(tài)變化產(chǎn)生的干擾。當(dāng)新提取的特征描述子與當(dāng)前存儲(chǔ)的特征描述子相似度過低時(shí),將新出現(xiàn)的人臉特征描述子替換原特征描述子并同時(shí)替換人臉標(biāo)識(shí)。

    為了防止某一幀中由于隨機(jī)干擾因素過于嚴(yán)重導(dǎo)致的相同人臉也檢測錯(cuò)誤的情況出現(xiàn),設(shè)計(jì)了一種基于時(shí)間順序的長度為L(L為大于1的奇數(shù))的人臉標(biāo)識(shí)隊(duì)列。該隊(duì)列中根據(jù)時(shí)間先后順序,將每一幀中檢測到的人臉標(biāo)識(shí)放入隊(duì)列末尾,根據(jù)隊(duì)列的先入先出原則,當(dāng)隊(duì)列元素總數(shù)達(dá)到L,則移除開頭的元素。隊(duì)列中始終存儲(chǔ)當(dāng)前幀和前L-1幀的人臉標(biāo)識(shí),隊(duì)列中數(shù)目最多的人臉標(biāo)識(shí)則為連續(xù)幀中的人臉檢測結(jié)果。只有在當(dāng)前幀的人臉檢測結(jié)果與連續(xù)幀的人臉檢測結(jié)果相同時(shí),原特征描述子才進(jìn)行更新,能夠較好地降低某一幀的誤差影響。

    3 實(shí)驗(yàn)及結(jié)果分析

    3.1 實(shí)驗(yàn)環(huán)境

    所有仿真結(jié)果基于Inter(R)Core(TM)i5-8250U @ 1.60 GHz處理器,8 GB內(nèi)存,操作系統(tǒng)為Ubuntu 16.04,編程語言使用Python 3.6,使用PyCharm 2018開發(fā)環(huán)境編寫算法,每段圖像序列長度為1 000 幀,每幀圖像分辨率為640×480。

    3.2 實(shí)驗(yàn)?zāi)P?/h3>

    Dlib是一個(gè)包含機(jī)器學(xué)習(xí)算法的第三方開源工具包,為提高人臉檢測和跟蹤的準(zhǔn)確率,實(shí)驗(yàn)所需模型采用Dlib中經(jīng)大量數(shù)據(jù)訓(xùn)練完成的模型。人臉檢測模型采用的基于HOG的正面人臉檢測器,參考頁面為http://dlib.net/dlib/image_processing/frontal_face_detector.h.html。人臉關(guān)鍵點(diǎn)模型采用的68 點(diǎn)關(guān)鍵點(diǎn)模型,下載地址為http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2。訓(xùn)練完成的ResNet模型,下載地址為http://dlib.net/files/dlib_face_recognition_resnet_model_v1.dat.bz2。

    3.3 圖像中光照和噪聲的預(yù)處理結(jié)果

    使用直方圖均衡化和中值濾波進(jìn)行預(yù)處理的效果如圖4所示。圖4(a)為原始樣例圖像,分辨率為640×480,圖像中光照不均勻且存在隨機(jī)噪聲;圖4(b)為直方圖均衡化處理的人臉圖像,針對(duì)圖像的光照問題,從視覺效果看,處理后的圖像亮度提升明顯,對(duì)比度增強(qiáng),細(xì)節(jié)特征也更加清晰;圖4(c)為進(jìn)行中值濾波處理后的人臉圖像,針對(duì)圖像的噪聲問題,其中大部分突出的噪聲點(diǎn)已被過濾。該樣例圖像的直方圖均衡化和中值濾波處理的時(shí)間約為0.002 96 s,對(duì)檢測幀數(shù)的時(shí)間影響可忽略不計(jì)。

    圖4 樣例圖像的處理結(jié)果

    3.4 HOG特征提取結(jié)果及人臉檢測

    以圖4(c)為待檢測樣例圖像,基于HOG特征的人臉檢測進(jìn)一步消除了光照和噪聲的影響,提取得到的結(jié)果如圖4(d)所示,為使結(jié)果更加直觀,運(yùn)算中歸一化了各個(gè)像素點(diǎn)的梯度,同時(shí)加入了梯度量級(jí)的非線性映射梯度,使梯度方向產(chǎn)生了明顯的深淺和長度差異,更容易區(qū)分邊緣。圖5(a)為經(jīng)過人臉檢測器匹配后的標(biāo)記人臉邊界的圖像,可以看出當(dāng)存在一張或多張人臉時(shí),基于HOG特征的人臉檢測器都能予以識(shí)別。圖6表示隨著視頻序列的長度逐漸增大時(shí),基于Hog特征和基于Haar-like特征的人臉檢測算法在檢測人臉準(zhǔn)確度上的情況,可以看出基于Hog特征的檢測準(zhǔn)確度在90%以上,而基于Haar-like特征的檢測準(zhǔn)確度只有60%左右,說明基于Hog特征的人臉檢測算法比基于Haar-like特征的能檢測到更多的人臉,更適合本實(shí)驗(yàn)的人臉檢測研究,而基于Haar-like特征的算法準(zhǔn)確度較低,容易遺漏視頻幀中的部分人臉,影響人臉跟蹤結(jié)果。

    圖5 人臉檢測算法結(jié)果與人臉關(guān)鍵點(diǎn)定位結(jié)果

    圖6 不同人臉檢測算法的對(duì)比實(shí)驗(yàn)

    3.5 人臉跟蹤結(jié)果實(shí)驗(yàn)

    將檢測到人臉的視頻幀進(jìn)行人臉關(guān)鍵點(diǎn)定位。圖5(b)為圖5(a)進(jìn)行人臉關(guān)鍵點(diǎn)定位的結(jié)果,位于眉毛、眼睛、鼻子、嘴巴和面部輪廓的特征點(diǎn)都已經(jīng)被標(biāo)明。通過輸入當(dāng)前視頻幀和定位的人臉關(guān)鍵點(diǎn)到訓(xùn)練好的ResNet模型,可以得到128 維的特征描述子,作為當(dāng)前圖像中人臉的向量表示,圖5(b)左一的人臉提取的特征描述子如圖7所示。

    圖7 人臉的特征描述子

    針對(duì)兩個(gè)特征描述子的相似度比較問題,需要通過與默認(rèn)閾值比較得出結(jié)果。默認(rèn)閾值的確定需要計(jì)算兩個(gè)相同人臉的不同特征描述子的距離值作為標(biāo)準(zhǔn),且該距離值變化幅度不能過大,最好在某一數(shù)值上下保持微小波動(dòng)。圖8(a)為曼哈頓距離、歐氏距離、切比雪夫距離3 種距離在已知相同人臉的兩個(gè)不同特征描述子下進(jìn)行計(jì)算的結(jié)果。圖8(b)為曼哈頓距離、歐氏距離、切比雪夫距離3 種距離在已知不同人臉的兩個(gè)不同特征描述子下進(jìn)行計(jì)算的結(jié)果。由圖8(a)可知,相同人臉的不同特征描述子的曼哈頓距離變化較大,在(1.15,3.70)的區(qū)間內(nèi)波動(dòng),結(jié)合圖8(b)中不同人臉特征描述子的曼哈頓距離波動(dòng)區(qū)間(3.65,5.63),兩者存在重疊區(qū)間。而歐氏距離和切比雪夫距離在相同人臉的不同特征描述子的條件下距離值變化較為平穩(wěn)(圖8a)。表1為實(shí)驗(yàn)中歐氏距離與切比雪夫距離的比較,能夠看出:切比雪夫距離的變化范圍雖平穩(wěn),區(qū)分度仍然偏小,且當(dāng)距離值為0.09時(shí)不能很好地判定一組特征描述子是否為同一張人臉。而歐氏距離的變化范圍較小且區(qū)分度較切比雪夫距離更大,故筆者采用歐氏距離作為一組特征描述子是否為相同人臉的判別標(biāo)準(zhǔn),參考表1的數(shù)據(jù),相同人臉的不同特征描述子的歐氏距離小于0.38,而不同人臉的不同特征描述子的歐氏距離大于0.43,計(jì)算得出邊界值0.38和0.43的平均值為0.405,結(jié)果保留兩位小數(shù)為0.40,將其設(shè)定為默認(rèn)閾值。

    圖8 相同人臉和不同人臉的一組特征描述子的不同距離

    表1 實(shí)驗(yàn)中歐氏距離與切比雪夫距離的比較

    Table 1 The comparison of Euclidean distance and Chebyshev distance in experiment

    距離度量相同人臉的不同特征描述子不同人臉的不同特征描述子歐氏距離范圍(0.13,0.38)(0.43,0.63)切比雪夫距離范圍(0.03,0.09)(0.09,0.15)

    更新原特征描述子所需的人臉標(biāo)識(shí)隊(duì)列長度L需要通過多人臉跟蹤實(shí)驗(yàn)確定。表2為人臉標(biāo)識(shí)隊(duì)列長度L對(duì)人臉跟蹤準(zhǔn)確率的關(guān)系,從表中可得:當(dāng)L等于5時(shí),人臉跟蹤準(zhǔn)確率達(dá)到峰值;且當(dāng)L大于5時(shí),值越大人臉跟蹤準(zhǔn)確率越低,因?yàn)楫?dāng)人臉標(biāo)識(shí)隊(duì)列長度越大,不同人臉的跟蹤目標(biāo)切換越不靈活,會(huì)出現(xiàn)整個(gè)視頻序列都只跟蹤初始人臉的情況。為了即能降低視頻某一幀的誤差影響,又能靈活地應(yīng)對(duì)多個(gè)人臉的跟蹤目標(biāo)切換,取L為5,此時(shí)本實(shí)驗(yàn)人臉跟蹤準(zhǔn)確率為83.78%。多人臉跟蹤優(yōu)先度問題的解決策略是:以視頻幀中最先被識(shí)別的人臉為初始跟蹤目標(biāo),每當(dāng)跟蹤目標(biāo)消失時(shí)進(jìn)行目標(biāo)切換。圖9為多人臉實(shí)驗(yàn)效果圖,第1張圖為第1個(gè)人的人臉跟蹤結(jié)果,第2,3張圖中當(dāng)?shù)?個(gè)人從視頻中出現(xiàn)時(shí),實(shí)驗(yàn)的跟蹤目標(biāo)仍為第1個(gè)人,當(dāng)?shù)?個(gè)人的人臉從視頻中消失時(shí),跟蹤目標(biāo)轉(zhuǎn)換到第2個(gè)人,而當(dāng)?shù)?個(gè)人出現(xiàn)時(shí),因?yàn)楦櫮繕?biāo)已經(jīng)切換,所以跟蹤結(jié)果不受影響。

    表2 人臉標(biāo)識(shí)隊(duì)列長度L對(duì)人臉跟蹤準(zhǔn)確率的關(guān)系

    Table 2 The relationship between the length of a face queue and face tracking accuracy

    人臉標(biāo)識(shí)隊(duì)列長度L人臉跟蹤準(zhǔn)確率/%376.08583.78782.38979.781174.07

    圖9 多人臉切換實(shí)驗(yàn)

    筆者算法和近年來提出的人臉跟蹤算法比較如表3,4所示。單人臉情況下,表中算法都有較高的跟蹤準(zhǔn)確率。多人臉情況下,表中算法的跟蹤準(zhǔn)確率都有不同程度的下降,文獻(xiàn)[8-9]的算法因?yàn)槲瘁槍?duì)多人臉干擾問題提出有效的解決方案,在切換跟蹤目標(biāo)上出現(xiàn)明顯誤差,使得平均誤識(shí)別幀數(shù)增大。在跟蹤準(zhǔn)確率方面,筆者算法提出的跟蹤校正策略對(duì)多人臉干擾問題的解決效果較好,相比其他兩種算法有明顯優(yōu)勢(shì)。在跟蹤實(shí)時(shí)性方面,筆者算法雖然比其他兩種算法耗時(shí),但基本上滿足實(shí)時(shí)的需求。

    表3 單人臉情況下不同跟蹤算法的實(shí)驗(yàn)對(duì)比

    表4 多人臉情況下不同跟蹤算法的實(shí)驗(yàn)對(duì)比

    4 結(jié) 論

    通過對(duì)人臉特征的研究,提出了一種基于HOG和特征描述子的人臉檢測與跟蹤算法。該算法引入圖像預(yù)處理,降低了光照變化與隨機(jī)噪聲的干擾。在人臉檢測方面,筆者方法通過HOG特征能夠檢測視頻幀出現(xiàn)的人臉,進(jìn)一步降低光照、噪聲的影響。在人臉跟蹤方面,筆者方法借助人臉的關(guān)鍵點(diǎn)實(shí)時(shí)生成特征描述子,通過比較歐氏距離來更新跟蹤目標(biāo),能夠排除現(xiàn)實(shí)場景中多人臉的干擾,同時(shí)也更好地適應(yīng)了人臉的姿態(tài)變化。實(shí)驗(yàn)結(jié)果表明算法準(zhǔn)確率較高且魯棒性較好。但是,實(shí)驗(yàn)中也反映出該算法存在的不足,即當(dāng)場景中人臉的數(shù)目過多導(dǎo)致視頻幀率下降,該問題在以后工作中會(huì)采用優(yōu)化人臉檢測算法進(jìn)一步改良。

    猜你喜歡
    跟蹤目標(biāo)特征描述歐氏
    In the Zoo
    船舶尾流圖像的數(shù)字化處理和特征描述技術(shù)
    核相關(guān)濾波與孿生網(wǎng)絡(luò)相結(jié)合的目標(biāo)跟蹤算法
    基于圖割理論的尺度自適應(yīng)人臉跟蹤算法
    目標(biāo)魯棒識(shí)別的抗旋轉(zhuǎn)HDO 局部特征描述
    連續(xù)同色調(diào)背景下運(yùn)動(dòng)目標(biāo)自適應(yīng)跟蹤
    基于卡爾曼和圖像信息量的Mean Shift改進(jìn)跟蹤算法
    基于差異的圖像特征描述及其在絕緣子識(shí)別中的應(yīng)用
    電測與儀表(2015年3期)2015-04-09 11:37:56
    基于多維歐氏空間相似度的激光點(diǎn)云分割方法
    麗江“思奔記”(上)
    探索地理(2013年5期)2014-01-09 06:40:44
    国产不卡一卡二| 国产精品久久视频播放| 亚洲一区高清亚洲精品| 国产亚洲精品综合一区在线观看| av在线蜜桃| 午夜a级毛片| 成年女人永久免费观看视频| 国产美女午夜福利| 看黄色毛片网站| 不卡一级毛片| 国产91精品成人一区二区三区| 亚洲av熟女| 97超级碰碰碰精品色视频在线观看| 尤物成人国产欧美一区二区三区| 精品不卡国产一区二区三区| 男人舔女人下体高潮全视频| 在线观看美女被高潮喷水网站 | 最近最新中文字幕大全免费视频| 91麻豆av在线| 内射极品少妇av片p| 国产精品久久久久久亚洲av鲁大| 国产精品精品国产色婷婷| 在线观看免费午夜福利视频| 少妇的逼水好多| 久久久久久人人人人人| 成年女人永久免费观看视频| 亚洲人成电影免费在线| 淫妇啪啪啪对白视频| 久久国产精品影院| 精品乱码久久久久久99久播| 男人和女人高潮做爰伦理| 最新美女视频免费是黄的| 免费av不卡在线播放| avwww免费| 91在线精品国自产拍蜜月 | 久久亚洲精品不卡| 一个人观看的视频www高清免费观看| 欧美3d第一页| 国产精品一区二区三区四区免费观看 | 久久6这里有精品| 日本撒尿小便嘘嘘汇集6| 国产探花在线观看一区二区| 色哟哟哟哟哟哟| 99热只有精品国产| 午夜精品久久久久久毛片777| 久久久精品大字幕| 精品国产亚洲在线| 成年女人永久免费观看视频| 国产97色在线日韩免费| 成年版毛片免费区| 在线免费观看的www视频| 色精品久久人妻99蜜桃| 两个人看的免费小视频| 老熟妇乱子伦视频在线观看| 免费电影在线观看免费观看| 天天躁日日操中文字幕| 亚洲不卡免费看| 国产毛片a区久久久久| 一级a爱片免费观看的视频| 香蕉丝袜av| 日本黄色片子视频| 亚洲av二区三区四区| 久久精品夜夜夜夜夜久久蜜豆| 日日干狠狠操夜夜爽| 桃色一区二区三区在线观看| 内射极品少妇av片p| 美女大奶头视频| 观看美女的网站| 欧美黄色淫秽网站| 亚洲在线观看片| 美女被艹到高潮喷水动态| 国产午夜精品论理片| 成人永久免费在线观看视频| 国产精品1区2区在线观看.| 国产99白浆流出| 搡老岳熟女国产| 免费高清视频大片| 性色av乱码一区二区三区2| 免费观看的影片在线观看| 色视频www国产| 精品一区二区三区av网在线观看| 亚洲va日本ⅴa欧美va伊人久久| 三级国产精品欧美在线观看| 男人舔女人下体高潮全视频| 禁无遮挡网站| 脱女人内裤的视频| 欧美日本亚洲视频在线播放| 久久亚洲真实| 中文字幕人妻熟人妻熟丝袜美 | tocl精华| 亚洲无线观看免费| 少妇丰满av| 男女视频在线观看网站免费| 夜夜躁狠狠躁天天躁| 麻豆久久精品国产亚洲av| 久久精品影院6| bbb黄色大片| 午夜日韩欧美国产| 男人舔女人下体高潮全视频| 一本一本综合久久| 免费在线观看日本一区| 最好的美女福利视频网| 色播亚洲综合网| 亚洲第一电影网av| 成人av一区二区三区在线看| 国产精品女同一区二区软件 | 午夜激情欧美在线| 亚洲最大成人中文| 国产成年人精品一区二区| 亚洲国产色片| 一个人看视频在线观看www免费 | 日韩欧美在线乱码| 中文字幕人成人乱码亚洲影| 国产亚洲精品久久久com| 99热精品在线国产| 精品人妻1区二区| 我要搜黄色片| 校园春色视频在线观看| 国产一区二区三区视频了| 国产欧美日韩精品亚洲av| 欧美日韩一级在线毛片| 国产精品乱码一区二三区的特点| 搡女人真爽免费视频火全软件 | 在线观看舔阴道视频| 亚洲精品一区av在线观看| 国产伦人伦偷精品视频| 国产色爽女视频免费观看| 精品一区二区三区视频在线观看免费| 国产精品精品国产色婷婷| 午夜福利成人在线免费观看| 欧美日韩黄片免| 久久久久久国产a免费观看| 老司机午夜十八禁免费视频| 欧美最新免费一区二区三区 | 欧美日韩中文字幕国产精品一区二区三区| 91麻豆av在线| 每晚都被弄得嗷嗷叫到高潮| 露出奶头的视频| 免费看日本二区| 国语自产精品视频在线第100页| 欧美午夜高清在线| x7x7x7水蜜桃| 黄色日韩在线| 欧美性猛交黑人性爽| 亚洲一区高清亚洲精品| 国产午夜福利久久久久久| 午夜福利免费观看在线| 国产精品 欧美亚洲| 欧美日韩黄片免| 久久久久久大精品| 国产v大片淫在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 99热只有精品国产| 老司机午夜福利在线观看视频| 国产精品99久久99久久久不卡| 亚洲国产欧洲综合997久久,| 亚洲精品456在线播放app | 好看av亚洲va欧美ⅴa在| 最新中文字幕久久久久| 成人性生交大片免费视频hd| 网址你懂的国产日韩在线| 亚洲av美国av| 国产97色在线日韩免费| 精品一区二区三区人妻视频| 欧美性感艳星| 最近最新中文字幕大全电影3| 在线观看av片永久免费下载| 日本 欧美在线| 国产成人av激情在线播放| 嫩草影视91久久| 91在线精品国自产拍蜜月 | 欧美性感艳星| 国内精品久久久久精免费| 女人高潮潮喷娇喘18禁视频| 18禁裸乳无遮挡免费网站照片| 啦啦啦韩国在线观看视频| 午夜影院日韩av| 欧美成人一区二区免费高清观看| 中文资源天堂在线| 日本精品一区二区三区蜜桃| 婷婷丁香在线五月| 嫩草影视91久久| 一个人观看的视频www高清免费观看| 久久久精品大字幕| 少妇丰满av| 欧美色视频一区免费| 亚洲国产日韩欧美精品在线观看 | 淫妇啪啪啪对白视频| 欧美日本亚洲视频在线播放| 看片在线看免费视频| 日本免费一区二区三区高清不卡| 国产探花在线观看一区二区| 亚洲片人在线观看| 国产真实乱freesex| 久久精品国产亚洲av涩爱 | 在线观看午夜福利视频| 国产aⅴ精品一区二区三区波| 波野结衣二区三区在线 | 国产精品一区二区三区四区久久| 国产精品 国内视频| 91麻豆av在线| 亚洲va日本ⅴa欧美va伊人久久| 亚洲自拍偷在线| 舔av片在线| 免费在线观看亚洲国产| 亚洲欧美日韩东京热| 精华霜和精华液先用哪个| 亚洲欧美一区二区三区黑人| 欧美黄色淫秽网站| 国产午夜精品论理片| 亚洲av中文字字幕乱码综合| 三级国产精品欧美在线观看| 亚洲国产欧洲综合997久久,| 男人和女人高潮做爰伦理| 免费观看精品视频网站| 亚洲片人在线观看| 亚洲一区高清亚洲精品| 精品人妻偷拍中文字幕| 日本一二三区视频观看| 国产精品国产高清国产av| 国产欧美日韩精品亚洲av| 99久久综合精品五月天人人| 成人国产一区最新在线观看| 18禁裸乳无遮挡免费网站照片| 在线观看舔阴道视频| 国产精品免费一区二区三区在线| 99热这里只有精品一区| 欧美一区二区精品小视频在线| 欧美zozozo另类| 成人一区二区视频在线观看| 色吧在线观看| 国产单亲对白刺激| 高清毛片免费观看视频网站| 欧美激情久久久久久爽电影| 嫩草影院精品99| 真实男女啪啪啪动态图| 午夜a级毛片| 非洲黑人性xxxx精品又粗又长| 久久国产精品影院| 女人十人毛片免费观看3o分钟| 脱女人内裤的视频| 亚洲激情在线av| 两人在一起打扑克的视频| 亚洲精品在线美女| 色精品久久人妻99蜜桃| 欧美激情久久久久久爽电影| 亚洲av一区综合| 亚洲在线观看片| 在线观看一区二区三区| 欧美中文日本在线观看视频| 久久久久亚洲av毛片大全| 高清毛片免费观看视频网站| 搞女人的毛片| av在线天堂中文字幕| 精品久久久久久久久久免费视频| 男女做爰动态图高潮gif福利片| 日本撒尿小便嘘嘘汇集6| 国产午夜福利久久久久久| 亚洲欧美日韩卡通动漫| 搡老熟女国产l中国老女人| 免费高清视频大片| 久久人妻av系列| 欧美av亚洲av综合av国产av| 精品无人区乱码1区二区| 亚洲国产高清在线一区二区三| а√天堂www在线а√下载| 窝窝影院91人妻| 国产不卡一卡二| 亚洲人成伊人成综合网2020| 精品人妻偷拍中文字幕| 真人一进一出gif抽搐免费| 国产伦一二天堂av在线观看| 久久久国产精品麻豆| 久久国产精品人妻蜜桃| 久久婷婷人人爽人人干人人爱| 女人被狂操c到高潮| 国内少妇人妻偷人精品xxx网站| 18美女黄网站色大片免费观看| 亚洲中文日韩欧美视频| 久久香蕉国产精品| 精品国内亚洲2022精品成人| 岛国视频午夜一区免费看| www国产在线视频色| 亚洲专区中文字幕在线| 国产真实乱freesex| 亚洲人成网站在线播放欧美日韩| 欧美黑人巨大hd| 搞女人的毛片| 制服丝袜大香蕉在线| 波多野结衣巨乳人妻| 男女床上黄色一级片免费看| 日韩欧美国产在线观看| 国产精品久久久人人做人人爽| 久久精品国产99精品国产亚洲性色| 日韩免费av在线播放| 男插女下体视频免费在线播放| 岛国在线观看网站| 一夜夜www| 看黄色毛片网站| 波多野结衣高清作品| 亚洲第一电影网av| 久久精品国产亚洲av香蕉五月| 欧美中文日本在线观看视频| 国产三级在线视频| 免费在线观看成人毛片| 男人舔奶头视频| 好男人在线观看高清免费视频| 国产老妇女一区| av视频在线观看入口| 搡老熟女国产l中国老女人| 成年女人永久免费观看视频| 日日摸夜夜添夜夜添小说| 免费电影在线观看免费观看| 国产aⅴ精品一区二区三区波| 男女下面进入的视频免费午夜| e午夜精品久久久久久久| 国产高清视频在线播放一区| 精品一区二区三区视频在线 | 在线免费观看不下载黄p国产 | 久久国产精品影院| 一区二区三区免费毛片| 麻豆成人av在线观看| 亚洲欧美日韩卡通动漫| 日韩精品中文字幕看吧| 国产高清有码在线观看视频| 天天一区二区日本电影三级| 制服丝袜大香蕉在线| 亚洲成av人片在线播放无| 久久久久久国产a免费观看| 亚洲欧美日韩高清在线视频| 长腿黑丝高跟| 免费观看精品视频网站| 19禁男女啪啪无遮挡网站| xxx96com| 中文字幕人妻丝袜一区二区| 99热这里只有是精品50| 十八禁网站免费在线| 最近最新中文字幕大全电影3| 久久久成人免费电影| 亚洲男人的天堂狠狠| 国产成人系列免费观看| 久久草成人影院| 无遮挡黄片免费观看| 老司机午夜十八禁免费视频| 国产野战对白在线观看| 国产黄片美女视频| 一个人免费在线观看的高清视频| 天堂影院成人在线观看| 人人妻人人澡欧美一区二区| 无人区码免费观看不卡| 久久欧美精品欧美久久欧美| 亚洲人成伊人成综合网2020| 午夜影院日韩av| 桃色一区二区三区在线观看| 少妇人妻一区二区三区视频| 91麻豆av在线| 热99在线观看视频| 国产成人啪精品午夜网站| 午夜a级毛片| 亚洲人成网站在线播| 亚洲国产精品sss在线观看| 亚洲一区高清亚洲精品| av中文乱码字幕在线| 狂野欧美白嫩少妇大欣赏| 成人av一区二区三区在线看| 欧美日韩一级在线毛片| 12—13女人毛片做爰片一| 亚洲精华国产精华精| 日日摸夜夜添夜夜添小说| 午夜免费成人在线视频| 免费看美女性在线毛片视频| 日韩欧美在线二视频| 老汉色∧v一级毛片| 99riav亚洲国产免费| 国产视频一区二区在线看| 久久精品91无色码中文字幕| 国产视频一区二区在线看| 色精品久久人妻99蜜桃| 女同久久另类99精品国产91| 给我免费播放毛片高清在线观看| 老汉色∧v一级毛片| 欧美色视频一区免费| 国产99白浆流出| 青草久久国产| 国产高潮美女av| 国产精品嫩草影院av在线观看 | 亚洲在线观看片| 亚洲18禁久久av| 看免费av毛片| 麻豆国产97在线/欧美| 国产激情欧美一区二区| 久久久国产精品麻豆| 亚洲午夜理论影院| 少妇裸体淫交视频免费看高清| 成人永久免费在线观看视频| 欧美在线一区亚洲| 亚洲人成网站在线播放欧美日韩| 国产欧美日韩一区二区精品| 中文字幕av成人在线电影| 非洲黑人性xxxx精品又粗又长| 午夜免费成人在线视频| 精品午夜福利视频在线观看一区| 久久精品夜夜夜夜夜久久蜜豆| 国产精品 欧美亚洲| 国产精品久久久久久精品电影| 中文在线观看免费www的网站| 国产91精品成人一区二区三区| 亚洲人成网站高清观看| 欧美日韩中文字幕国产精品一区二区三区| 欧美日韩国产亚洲二区| av视频在线观看入口| 天天一区二区日本电影三级| 亚洲狠狠婷婷综合久久图片| 高潮久久久久久久久久久不卡| svipshipincom国产片| 国产高清视频在线播放一区| 亚洲成av人片免费观看| 成年版毛片免费区| 国产免费av片在线观看野外av| av片东京热男人的天堂| 国产午夜福利久久久久久| 久久久久国内视频| 欧美日韩精品网址| 久久久精品欧美日韩精品| 国内久久婷婷六月综合欲色啪| 老熟妇仑乱视频hdxx| 中文字幕熟女人妻在线| 亚洲在线自拍视频| 国产免费av片在线观看野外av| 久久精品国产99精品国产亚洲性色| 国产男靠女视频免费网站| 国产真实乱freesex| 亚洲一区二区三区色噜噜| 久久精品91无色码中文字幕| 成人国产综合亚洲| 天美传媒精品一区二区| 国产伦一二天堂av在线观看| 一个人免费在线观看的高清视频| 国产激情欧美一区二区| 亚洲熟妇中文字幕五十中出| 99久久成人亚洲精品观看| 久久精品国产自在天天线| 日本精品一区二区三区蜜桃| 在线观看免费午夜福利视频| 999久久久精品免费观看国产| 色播亚洲综合网| 国产精品国产高清国产av| 嫩草影院精品99| a级一级毛片免费在线观看| 国产精品一及| 国产成人啪精品午夜网站| 国产午夜精品久久久久久一区二区三区 | 少妇丰满av| 亚洲第一欧美日韩一区二区三区| 国产精品久久久久久亚洲av鲁大| 久9热在线精品视频| 亚洲人成网站在线播放欧美日韩| 中亚洲国语对白在线视频| 欧美日韩瑟瑟在线播放| 叶爱在线成人免费视频播放| 午夜日韩欧美国产| 99在线人妻在线中文字幕| 天堂影院成人在线观看| 国产精品av视频在线免费观看| 很黄的视频免费| 国内精品美女久久久久久| 男插女下体视频免费在线播放| 又紧又爽又黄一区二区| 国产精品 国内视频| 少妇高潮的动态图| 91在线精品国自产拍蜜月 | 国内毛片毛片毛片毛片毛片| 日日夜夜操网爽| 97超视频在线观看视频| 日本在线视频免费播放| 精华霜和精华液先用哪个| 99久久综合精品五月天人人| 亚洲欧美日韩无卡精品| 首页视频小说图片口味搜索| 此物有八面人人有两片| bbb黄色大片| 在线观看av片永久免费下载| 99精品久久久久人妻精品| 日韩中文字幕欧美一区二区| 中亚洲国语对白在线视频| 国语自产精品视频在线第100页| 最近最新中文字幕大全免费视频| 又黄又粗又硬又大视频| 99国产综合亚洲精品| 99久久99久久久精品蜜桃| 九九热线精品视视频播放| 一级毛片高清免费大全| 色综合站精品国产| 可以在线观看毛片的网站| 亚洲熟妇中文字幕五十中出| 国产高清三级在线| 亚洲av免费在线观看| 久久人妻av系列| 亚洲精品色激情综合| 天堂网av新在线| 长腿黑丝高跟| 啦啦啦观看免费观看视频高清| 亚洲精品色激情综合| 两个人看的免费小视频| 天堂动漫精品| 日日摸夜夜添夜夜添小说| 久久久久久久午夜电影| 国产激情偷乱视频一区二区| 久久精品综合一区二区三区| 亚洲中文日韩欧美视频| 国产亚洲欧美在线一区二区| 国产探花在线观看一区二区| 麻豆国产97在线/欧美| av专区在线播放| 亚洲av成人av| 波多野结衣巨乳人妻| 性色av乱码一区二区三区2| 一区二区三区国产精品乱码| 国产一区二区三区在线臀色熟女| 国产伦在线观看视频一区| 国产伦人伦偷精品视频| 99国产精品一区二区三区| av视频在线观看入口| 亚洲国产欧美网| or卡值多少钱| 亚洲国产日韩欧美精品在线观看 | 久久久久免费精品人妻一区二区| 国产精品女同一区二区软件 | 十八禁人妻一区二区| 又紧又爽又黄一区二区| 99riav亚洲国产免费| 精品一区二区三区人妻视频| av女优亚洲男人天堂| 国产爱豆传媒在线观看| 三级毛片av免费| 国产男靠女视频免费网站| 国产单亲对白刺激| 国产不卡一卡二| www.熟女人妻精品国产| 高清日韩中文字幕在线| 久久久久久久亚洲中文字幕 | 亚洲狠狠婷婷综合久久图片| 亚洲无线观看免费| 欧美日韩乱码在线| 亚洲av五月六月丁香网| 在线观看午夜福利视频| 亚洲电影在线观看av| 久9热在线精品视频| 日韩人妻高清精品专区| 亚洲欧美激情综合另类| 成人三级黄色视频| 成人亚洲精品av一区二区| 少妇丰满av| 欧美日韩亚洲国产一区二区在线观看| 日韩成人在线观看一区二区三区| 国产淫片久久久久久久久 | 99久久九九国产精品国产免费| 亚洲精品影视一区二区三区av| 99视频精品全部免费 在线| 最近在线观看免费完整版| 亚洲 国产 在线| 国产日本99.免费观看| 国产不卡一卡二| 真实男女啪啪啪动态图| 天堂√8在线中文| 日日夜夜操网爽| 99国产综合亚洲精品| 欧美不卡视频在线免费观看| 日韩欧美精品免费久久 | 精品一区二区三区视频在线观看免费| 女人十人毛片免费观看3o分钟| 国内精品久久久久久久电影| 动漫黄色视频在线观看| 操出白浆在线播放| 美女大奶头视频| 国产综合懂色| 国产一区二区激情短视频| 国产精品亚洲美女久久久| 久久久久久久午夜电影| 内射极品少妇av片p| 啪啪无遮挡十八禁网站| 成年女人看的毛片在线观看| 热99re8久久精品国产| av天堂在线播放| 日本三级黄在线观看| 国产高清视频在线观看网站| 午夜免费男女啪啪视频观看 | 欧美性猛交╳xxx乱大交人| 757午夜福利合集在线观看| 伊人久久精品亚洲午夜| 国产精品自产拍在线观看55亚洲| 成人永久免费在线观看视频| 丝袜美腿在线中文| 国产极品精品免费视频能看的| 亚洲成人久久爱视频| 日韩欧美精品v在线| 在线播放国产精品三级| 亚洲精品美女久久久久99蜜臀| 少妇的逼水好多| 亚洲欧美一区二区三区黑人| 久久国产精品影院| 亚洲成人久久爱视频| 美女免费视频网站| 天堂影院成人在线观看| 国产三级黄色录像| 两性午夜刺激爽爽歪歪视频在线观看| 母亲3免费完整高清在线观看| 我的老师免费观看完整版| 在线看三级毛片| 亚洲片人在线观看| 免费观看精品视频网站| 欧美一区二区亚洲| 又紧又爽又黄一区二区| 亚洲欧美日韩高清专用| 村上凉子中文字幕在线|